基于改进BA-BP神经网络的交流接触器故障预测方法及系统技术方案

本发明专利技术公开了一种基于改进BA‑BP神经网络的交流接触器故障预测方法。所述方法包括以下步骤：步骤S1、通过传感器采集交流接触器的工作信号数据，并基于Mallat算法进行数据选取和预处理以得到不同的故障数据；步骤S2、对于所述故障数据，基于LSTM网络进行特征提取；步骤S3、建立基于改进BA‑BP神经网络的分类模型，并利用所述LSTM网络所提取的特征数据进行训练和测试。同时，本申请还对应提出了一种基于改进BA‑BP神经网络的交流接触器故障预测系统。本发明专利技术实现了交流接触器的渐发性故障预测，同时提高了预测精度。

【技术实现步骤摘要】

本专利技术属于模式识别领域，具体地说，本专利技术涉及一种基于改进ba-bp神经网络的交流接触器故障预测方法及系统。

技术介绍

1、交流接触器是一种用于控制电路中电流负载的电子开关装置，广泛应用于各种工业设备和机械的电气控制系统中，当交流接触器出现故障时，可能会导致用电设备无法正常工作，甚至引发火灾等严重事故，其可靠性直接关乎生产安全，因此研究交流接触器的故障状态对提高用电设备的安全运行水平有重要意义。

2、目前，传统的人工巡检方法和停电操作已经不能满足当前交流接触器故障检测的需求，即使出现故障也不能及时进行诊断和处理。因此，为保障交流接触器的安全稳定运行，本专利技术提出一种基于改进ba-bp神经网络的交流接触器故障预测方法及系统。

技术实现思路

1、本专利技术旨在克服现有技术的不足，提出了一种基于改进ba-bp神经网络的交流接触器故障预测方法及系统，以达到以下目的：实现交流接触器的渐发性故障预测，同时提高预测精度。

2、为了实现上述目的，本专利技术采取的技术方案为：一种基于改进ba-b本文档来自技高网...

【技术保护点】

1.基于改进BA-BP神经网络的交流接触器故障预测方法，其特征在于：所述方法包括以下步骤：

2.根据权利要求1所述的基于改进BA-BP神经网络的交流接触器故障预测方法，其特征在于：所述步骤S1的数据选取和预处理过程包括：

3.根据权利要求1所述的基于改进BA-BP神经网络的交流接触器故障预测方法，其特征在于：在所述步骤S2中，将不同故障数据作为LSTM网络的输入，训练各自的LSTM自编码器以提取数据的时序特征；所述LSTM自编码器包括依次连接的输入层、LSTM层、全连接层、输出层；其中，所述全连接层将所述LSTM层所学习的特征进行映射并降维，并由输出层输出最终LS...

【技术特征摘要】

1.基于改进ba-bp神经网络的交流接触器故障预测方法，其特征在于：所述方法包括以下步骤：

2.根据权利要求1所述的基于改进ba-bp神经网络的交流接触器故障预测方法，其特征在于：所述步骤s1的数据选取和预处理过程包括：

3.根据权利要求1所述的基于改进ba-bp神经网络的交流接触器故障预测方法，其特征在于：在所述步骤s2中，将不同故障数据作为lstm网络的输入，训练各自的lstm自编码器以提取数据的时序特征；所述lstm自编码器包括依次连接的输入层、lstm层、全连接层、输出层；其中，所述全连接层将所述lstm层所学习的特征进行映射并降维，并由输出层输出最终lstm网络所估计的特征。

4.根据权利要求1所述的基于改进ba-bp神经网络的交流接触器故障预测方法，其特征在于：所述步骤s3包括：

5.根据权利要求4所述的基于改进ba-bp神经网络的交流接触器故障预测方法，其特征在于：在所述步骤s35中，改进的ba算法中的每一个蝙蝠代表一组bp神经网络的权值和偏置值，所述步骤s35包括：

6.根据权利要求5所述的基于改进ba-bp神经...

【专利技术属性】
技术研发人员：邹媛媛，
申请(专利权)人：安徽信息工程学院，
类型：发明
国别省市：